Qual modelo cabe um documento de 100K tokens: limites de contexto e de saída

Resposta curta: um documento de 100K tokens cabe em qualquer um dos três modelos em uma única requisição. O que os diferencia é o espaço ao redor. O GLM-5.3-Flash tem uma janela de contexto de 390K, o DeepSeek-V4-Flash tem 380K e pode escrever até 32.768 tokens de volta, o MiniMax-M2.7 tem 180K. Duas verificações dizem qual usar: o documento e a resposta cabem na janela, e a resposta cabe no limite de saída do modelo.

Os limites abaixo são do próprio CheapTokens, verificados em 1 de novembro de 2026, e são contra eles que sua requisição é medida quando você chama https://api.cheaptokens.dev/v1. A documentação mostra como conectar, e a página de preços tem a lista completa de preços.

A verificação em duas etapas#

Ambas as regras usam números que você pode saber antes de enviar qualquer coisa:

1. Tokens de entrada + max_tokens ≤ janela de contexto. O documento e a resposta compartilham uma única janela.
2. max_tokens ≤ o limite de saída do modelo.

A última coluna é a janela menos a resposta mais longa, lendo K como 1.000: 390.000 − 8.192 = 381.808; 380.000 − 32.768 = 347.232; 180.000 − 8.192 = 171.808. Na prática você raramente pede a resposta mais longa possível, então tem mais espaço do que essa coluna mostra.

Aqui está a verificação em um caso realista. Você tem um log de 200.000 tokens e quer uma análise de 2.000 tokens: 200.000 + 2.000 = 202.000. Isso cabe nas janelas de 390K e 380K e não cabe em 180K. Mesmo log, mesma pergunta, e um dos três já está fora.

Qual é o tamanho real do seu documento?#

Páginas são uma unidade ruim, tokens são a real. Digamos que uma página em inglês tenha cerca de 600 tokens (uma suposição; páginas reais variam de aproximadamente 500 a 700). Então um documento de 100K tokens tem 100.000 ÷ 600 ≈ 167 páginas. Isso é um contrato grosso ou um relatório anual longo, e cabe em todos os modelos da tabela com folga.

A estimativa por páginas serve para planejamento. Antes de enviar, conte os tokens com um tokenizador, ou use a regra aproximada de cerca de quatro caracteres por token para inglês. Cada modelo tem seu próprio tokenizador, então uma contagem é uma estimativa, e após a requisição o campo usage da resposta fornece os números exatos.

Execute a verificação em código#

Este script verifica um contrato contra os limites acima, o envia e imprime como a resposta terminou. Defina CHEAPTOKENS_API_KEY primeiro, e troque o ID do modelo para testar os outros.

import os
from openai import OpenAI

# context window, max answer tokens (CheapTokens, checked 1 Nov 2026)
LIMITS = {
    'zai-org/GLM-5.3-Flash': (390_000, 8_192),
    'deepseek-ai/DeepSeek-V4-Flash-0731': (380_000, 32_768),
    'MiniMaxAI/MiniMax-M2.7': (180_000, 8_192),
}

def fits(model, input_tokens, max_tokens):
    context, out_limit = LIMITS[model]
    return max_tokens <= out_limit and input_tokens + max_tokens <= context

client = OpenAI(
    base_url='https://api.cheaptokens.dev/v1',
    api_key=os.environ['CHEAPTOKENS_API_KEY'],
)

text = open('contract.txt', encoding='utf-8').read()
estimate = len(text) // 4   # rough: about 4 characters per token in English
model = 'zai-org/GLM-5.3-Flash'
max_tokens = 1500

if not fits(model, estimate, max_tokens):
    raise SystemExit('Does not fit: pick another model or split the text')

reply = client.chat.completions.create(
    model=model,
    max_tokens=max_tokens,
    messages=[
        {'role': 'system', 'content': 'Summarize contracts in 10 bullet points.'},
        {'role': 'user', 'content': text},
    ],
)
print(reply.choices[0].finish_reason)   # stop = ended on its own, length = cut by max_tokens
print(reply.usage.prompt_tokens, reply.usage.completion_tokens)

Se funcionar, a primeira linha imprime stop e a segunda mostra quantos tokens entraram e saíram. Se você vir length, a resposta atingiu max_tokens; este artigo explica a solução. E se a requisição for recusada por tamanho, requisição muito longa: 400 vs 413 percorre o assunto.

Quanto custa um trabalho de 100K#

Digamos que você resuma contratos. Cada um tem 100.000 tokens, e o resumo tem cerca de 1.500 tokens (suposições, altere-as para corresponder aos seus arquivos). A tabela abaixo é dinâmica: ela recalcula a partir dos preços atuais e coloca a referência do OpenRouter ao lado da nossa.

O documento é o lado caro aqui, já que você envia muito mais do que recebe de volta. Para um trabalho desses, os totais são $0.0021 no GLM-5.3-Flash, $0.0017 no DeepSeek-V4-Flash e $0.0052 no MiniMax-M2.7. Com entrada e saída contadas juntas, os três saem mais baratos que o OpenRouter. Os preços são fixos por modelo, sem horários de pico, então um lote noturno custa o mesmo que um diurno.

Agora dimensione para o seu dia. Mova os controles para a sua própria carga e leia o total:

Quando a resposta é a parte longa#

Resumos são o caso fácil: uma resposta curta cabe em qualquer lugar. O problema começa quando o modelo precisa escrever muito. Digamos que você tenha um manual de 20.000 tokens e peça um relatório de 6.000 tokens baseado nele. Isso cabe em todos os modelos (6.000 ≤ 8.192), e a tabela dinâmica mostra o custo:

Agora peça uma tradução completa do mesmo manual. Uma tradução tem aproximadamente o mesmo comprimento do original, então você precisa de espaço para cerca de 20.000 tokens de resposta. Defina max_tokens como 25.000: 20.000 + 25.000 = 45.000, bem dentro da janela de 380K, e 25.000 ≤ 32.768, então o DeepSeek-V4-Flash aceita isso em uma única resposta. Um único trabalho assim custa $0.0023. Para os modelos com limite de resposta de 8.192 tokens, divida o manual em capítulos e envie um por um.

Qual escolher para o seu caso#

Se ainda estiver em dúvida, passe um documento real pelo script e leia usage. Para uma comparação mais ampla dos três modelos por tarefa, veja GLM vs DeepSeek vs MiniMax, e a página do DeepSeek cobre o DeepSeek-V4-Flash em mais detalhes.